深入探索SAR数据
原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/taking-a-deep-dive-into-sar-data
16151 为本文评分：
5.0
深入探索SAR数据
匿名 2015年8月20日，星期四
本周我很幸运地沉浸在SARscape的培训课程中，我们深入探讨了合成孔径雷达（SAR）分析的细节。Alessio Cantone特意从意大利远道而来教授这门课程，他带来了我们在别处不常见到的关于SAR的深度知识和经验。因此，今天我想与大家分享本周到目前为止我学到的一些知识。
首先，我经常想深入探究“与SAR数据相关的相干性究竟是什么？”，昨天我们花了几个小时专门讨论这个话题。事实证明，相干性是对信号幅度和相位分量随时间稳定性的度量。换句话说，相干性图像将向我们展示发生了什么变化，而它背后的原理最棒的一点是，我们可以在相干性图像中看到变化，这些变化是我们用肉眼从光学图像中永远无法区分的。
由Sarmap提供
它的工作原理如下。首先，让我们考虑相位。假设你有一个波长为3厘米的脉冲，并且正在对森林进行成像。波长的大小与树叶的大小非常相似，因此信号将与冠层相互作用。由于风和冠层的运动，时间1和时间2的图像不太可能相似，因此相干性较低。相反，考虑一个不移动的人造结构。信号在时间1和时间2之间很可能高度相似，因此相干性会很高。
总的来说，到目前为止我们只考虑了信号的相位分量。信号的幅度分量是对返回信号量的度量。这对于人造物体来说会非常高，而对于水体则非常低，植被则会由于信号在冠层中的散射而返回平均且不一致的幅度值。
为了提取有意义的信息可视化，一种流行的方式是将相位和幅度分量一起可视化，即将相干性和幅度分量加载到显示器的不同通道中。例如，将相干性图像加载到红色通道，将平均幅度加载到绿色通道，将幅度变化加载到蓝色通道，我们就可以得到如上图所示的假彩色图像。
高相干性加高幅度代表城市特征，因此城市区域呈现黄色。植被通常具有低相干性和一致的平均幅度，且幅度变化不大，因此呈现绿色。具有低相干性、可能有一些幅度变化但平均幅度极低的特征代表水体，呈现为深色甚至蓝色。
总的来说，SAR数据非常复杂，但使用起来也引人入胜，并且在包括植被分析、变化检测、特征提取、高精度地形计算以及许多其他用例在内的多个行业都有相关应用。以下是其中的一些应用：
农业： SAR是监测森林再生、利用多时相SAR系列进行作物监测的绝佳资源，如下图所示，还可用于研究随时间的变化，包括杂草出现以及作物发育和成熟情况。
活动地图： 使用干涉相关（又称“相干性”）来提取用于土地覆盖特征描述的主题信息。在下述案例中，黑色特征表示在两幅输入图像的时间间隔内被车辆、人类或动物使用的路径、道路和聚集地。提取这些特征无法通过光学数据实现。
位移制图： 利用SAR数据和干涉处理技术，可以将大地震或小范围的地面沉降绘制到毫米级精度。
我期待着学到更多知识，现在我最好回到课堂上去！